九年级信息科技浙教版（2023）第11课 预测模型构建

第11课 预测模型构建 课题 第11课 预测模型构建 单元 第三单元 学科 信息技术 年级 九年级 教材 分析 教材简要介绍数据集的概念，强调其在人工智能中的重要性。 还介绍神经分类模型的基本原理，如神经网络的结构和工作方式。通过简化的图示和实例，帮助学生理解如何通过神经分类模型对输入的数据进行分类和预测。最后，教材还解释了如何利用前面构建的数据集和神经分类模型进行出行时间的预测。通过实例演示，展示从数据收集、模型建立到预测结果输出的整个过程。本教材通过构建数据集、神经分类模型与人工智能预测出行时间的内容，旨在帮助学生理解人工智能的基本原理和应用，并培养其实践操作能力。通过简化的图示和实例，使学生能够轻松掌握相关知识点，为后续的学习和应用打下坚实基础。 学习 目标 实践意识： · 培养学生主动收集和整理数据集的能力，了解数据来源和选择的重要性。 · 教授学生如何筛选、清洗和预处理数据，为建立预测模型做好数据准备。 · 引导学生学习如何使用表格数据建立预测模型，并理解不同预测模型的优缺点。 · 通过案例分析和实际操作，让学生体验从数据到模型的过程，培养其实践操作能力。 社会责任： · 引导学生探讨人工智能预测技术的伦理问题，如数据隐私、算法偏见等。 · 强调在使用智能预测技术时，要尊重用户隐私和数据安全。 · 讨论智能预测技术可能带来的好处，如提高出行效率、减少拥堵等，以及潜在的问题，如过度依赖技术、信息误导等。 · 鼓励学生参与相关的社会项目或志愿活动，将所学的智能预测技术应用于实际问题解决中。 重点 1. 预测概念的概念。 2. 预测与科学预测的区别。 3. 预测结果的重要性。 难点 1. 科学预测方法的掌握。 2. 预测活动的实践应用。 3. 人工智能预测的理解。 教学过程 教学环节 教师活动 学生活动 设计意图 导入新课 通过视频播放，让学生了解如何利用Excel完成预测信息实现 1、你是如何根据一些环境数据(雨量、温度、距离等)制订出行计划的? 2、你觉得人工智能能帮忙做哪些预测? 观看Excel完成预测信息实现的视频，也可以自己上手做做看 学生讨论问题，举手回答问题 帮助学生了解预测的步骤是什么，怎么实现的。 通过讨论的方式让学生从现实生活中去理解怎么预测。打开课堂 讲授新课 智能预测出行是利用机器学习等技术，对出行行为进行预测和规划。通过收集雨量、温度和距离等数据，整理成数据集，再利用机器学习对这些数据进行训练，建立预测模型，用于预测出行方式或出行时间。 一、构建数据集 构建数据集可以先确定数据采集方式、数据格式、数据范围、采样频率等信息，再标注、存储和管理数据。最终得到的数据集可以用于各种数据分析和机器学习任务。对已采集整理的数据进行量化，如雨量由小到大，可以用0-6之间的数字表示，0为晴天，6为特大暴雨;温度就采用摄氏温度值出行距离就用距离值即可。出行方式可以列出几种:步行、自行车、自驾出租车、火车、飞机，依次用0、1、2、3、4、5来表示，如表12-1。雨量温度、出行距离为影响因素，输出的是实际出行方式。 表12-1 出行数据集 雨量(0-6) 温度(摄氏度) 距离(千米) 出行方式 0 20 1 0 6 30 2 3 4 20 500 4 0 20 1000 5 人们通过经验总结出了规律:综合考虑雨量、温度、出行距离，可以预测出合理的出行方式。 亲身体验 设计调研问卷，对收集到的有关出行数据进行数据预处理，使用合适工具，初步建构数据集。 二、神经网络分类模型 将数据集导人已构建的神经网络模型，网络优化参数得到训练后的模型模型读人新的样本特征数据，输出出行方式。 图12-1神经网络训练模型 ◇ 准备数据:采集大量“特征/标签”数据 ◇ 搭建网络:搭建神经网络结构 ◇ 优化参数:训练网络获取最佳参数 ◇ 应用网络:将网络保存为模型，输入新数据，输出分类或预测结果 我们按照上面的方式收集好样本数据后，进行训练，训练结束后，就可以对出行方式进行预测了。我们可以输入一个(雨量、温度、距离)的数值，返回一个出行方式的预测结果，每种出行方式有一个置信度比例。 日积月累： 表格数据预测模型，根据预测数据的不同，可以分为如下几种类型:回归，二分类，多分类， 三、人工智能预测出行时间 使用电子地图查询你要去的地点的时候，它会告诉你采用不同的交通方式所需要的时间。那么它是怎么做到的呢?又有多准确呢? 其实通过人工智能我们也可以自己做一个这样的出行时间预测。跟上面的案例一样，通过人工智能进行预测，也要采集样本数据进行训练。很关键的一点就是要确定好影响因子有哪些。 对于预测出行时间来说，影响因